一种基于自组织过程神经网络的动态样本半监督学习算法

• 作者: 刘显德 王丹丹
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 动态样本集合 半监督学习 自组织神经网络 学习算法
• 年，卷（期）: 2011,（5）
• 页码范围: 85-86,90
• 分类号: TP183
• 字数: 2570字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2011.05.026

摘要

针对时变信号模式分类和未标记样本信息的有效利用问题,提出了一种基于自组织过程神经网络的动态样本半监督学习算法.根据获得的已标记和未标记的过程函数样本信号,分别构建基于竞争学习规则和有教师示教方法的自组织过程神经网络模型,利用该网络的自组织特性,实现动态样本的分类标识.文中分析了算法的信息处理机制,给出了具体的实现步骤.以油田开发水淹状况判别为例,实验结果验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘显德	东北石油大学计算机与信息技术学院	14	29	3.0	4.0
2	王丹丹	东北石油大学计算机与信息技术学院	9	21	3.0	4.0